gsub format
> measurements<-c('3.95*3.99*2.43mm','3*3*5mm','2*2*2mm')> measurements[1] "3.95*3.99*2.43mm" "3*3*5mm" "2*2*2mm" > # 去掉mm后缀> a<-gsub('mm','',measurements)> a[1] "3.95*3.99*2.43" "3*3*5" "2*2*2" > library(plyr)> ?strsplit> # 用 * 将数据分隔开，并将列表型数据转换为数据框格式> strsplit(a,'[*]')[[1]][1] "3.95" "3.99" "2.43"[[2]][1] "3" "3" "5"[[3]][1] "2" "2" "2"> res <-ldply(strsplit(a,'[*]'))> # 重命名数据框> names(res)<-c('L','W','H')> # 更改各个变量的数据类型为数值型> res L W H1 3.95 3.99 2.432 3 3 53 2 2 2> str(res)'data.frame': 3 obs. of 3 variables: $ L: chr "3.95" "3" "2" $ W: chr "3.99" "3" "2" $ H: chr "2.43" "5" "2"> res<- as.data.frame(sapply(res,FUN=as.numeric))> head(res) L W H1 3.95 3.99 2.432 3.00 3.00 5.003 2.00 2.00 2.00> str(res)'data.frame': 3 obs. of 3 variables: $ L: num 3.95 3 2 $ W: num 3.99 3 2 $ H: num 2.43 5 2 > #从定性角度，通过可视化来进行数据的探索性分析，强烈推荐使用GGally包中的ggpairs()函数，> #该函数将绘制两辆变量的相关系数、散点图，同时也绘制出单变量的密度分布图> library(ggplot2)> library(GGally)> head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species1 5.1 3.5 1.4 0.2 setosa2 4.9 3.0 1.4 0.2 setosa3 4.7 3.2 1.3 0.2 setosa4 4.6 3.1 1.5 0.2 setosa5 5.0 3.6 1.4 0.2 setosa6 5.4 3.9 1.7 0.4 setosa> ggpairs(iris[,1:4])> ggsave("aaaaa.png")Saving 8.46 x 5.03 in image 
> memory.limit() #查看系统规定的内存使用上限[1] 4077> memory.limit(newlimit)#更改到新的上限Error in memory.limit(newlimit) : object 'newlimit' not found> #养成清理内存的习惯> rm(object) #删除变量Warning message:In rm(object) : object 'object' not found> gc() #在rm()后，记得使用gc()做garbage collection ,否则内存是不会释放的，相当于没有做rm() used (Mb) gc trigger (Mb) max used (Mb)Ncells 1330209 71.1 2164898 115.7 2164898 115.7Vcells 6475711 49.5 10202170 77.9 8435142 64.4
> td=data.frame(c('2016-01','2016-02'),stringsAsFactors =F)> td c..2016.01....2016.02..1 2016-012 2016-02> td2<- sapply(td,paste,"-01",sep="")> td2 c..2016.01....2016.02..[1,] "2016-01-01" [2,] "2016-02-01" > as.Date(td2[,1]) #画图用[1] "2016-01-01" "2016-02-01"> format(as.Date(td2[,1]),"%Y-%m")[1] "2016-01" "2016-02"